Diagnostisering av en Dårlig Prompt

Selv med god forståelse av teknikker og komponenter, vil du skrive prompt som ikke gir ønsket resultat. Dette er normalt. Ferdigheten ligger ikke i å unngå dårlige svar — men i å kunne lese dem, forstå hva som gikk galt, og løse problemet effektivt.

Dette kapittelet gir en systematisk metode for å gjøre nettopp det.

De fem vanligste feilene med prompt

Feil 1 — Oppgaven er uklar

Modellen tolker forespørselen din annerledes enn du hadde tenkt fordi instruksjonen var tvetydig.

Tegn: svaret tar for seg en annen versjon av spørsmålet ditt, eller modellen ber om en avklaring.

Løsning: omformuler oppgaven med et spesifikt handlingsverb. Bytt ut "hjelp meg med" med "skriv," "oppsummer," "list opp," eller "sammenlign."

Feil 2 — Manglende kontekst

Modellen har ikke informasjonen den trenger for å tilpasse svaret til din situasjon. Den gir et generelt svar fordi den ikke har noe annet valg.

Tegn: svaret er teknisk korrekt, men kunne vært skrevet for hvem som helst, om hva som helst.

Løsning: legg til kontekst — hvem du er, hvem svaret er til, hvilken situasjon du står i, og hva som allerede har skjedd.

Feil 3 — Ingen spesifisert format

Modellen velger en struktur som ikke samsvarer med hvordan du skal bruke utdataene.

Tegn: du trengte punktlister og fikk avsnitt; du trengte en tabell og fikk en liste; svaret er fem ganger lengre enn nødvendig.

Løsning: spesifiser nøyaktig hvilket format du ønsker — og hvis lengden er viktig, oppgi et tall.

Feil 4 — For mange oppgaver i én prompt

Du ba modellen gjøre flere forskjellige ting samtidig, og den gjorde alle dårlig.

Tegn: utdataene dekker alt du ba om, men ingenting er godt nok til å bruke direkte.

Løsning: del opp prompten i separate, fokuserte forespørsler. Gjør én oppgave per prompt, og bygg videre på utdataene.

Feil 5 — Feil retning fra start

Den grunnleggende tilnærmingen modellen tok var feil — ikke utførelsen, men selve retningen.

Tegn: utdataene er velskrevne og godt strukturerte, men løser feil problem eller tar feil vinkling.

Løsning: ikke iterer på et feilaktig grunnlag. Start en ny prompt med lærdommene fra det mislykkede forsøket eksplisitt bygget inn som begrensninger.

En praktisk diagnostisk sekvens

Når et svar bommer på målet, gå gjennom disse spørsmålene før du skriver oppfølgingsprompten:

• Var oppgaven tydelig? Kunne modellen ha tolket den på en annen, men like gyldig måte?
• Ga du nok kontekst? Hva antok du at modellen visste, som den faktisk ikke kunne vite?
• Spesifiserte du format og lengde? Hvis ikke — fungerte modellens valg for ditt brukstilfelle?
• Ba du om én ting eller flere? Hvis flere — hvilken er viktigst akkurat nå?
• Er retningen grunnleggende feil? Hvis ja — stopp itereringen og start på nytt.

Du trenger ikke svare på alle fem hver gang. De fleste mislykkede prompter har én hovedårsak — identifiser den, rett opp, og gå videre.

Øvelse: Identifiser feiltypen

Ta en prompt du nylig har brukt som ga et skuffende resultat — eller skriv en nå og gjør den med vilje uklar.

Les outputen og bruk de fem feiltypene over for å identifisere hva som gikk galt. Skriv deretter om prompten for å rette kun denne spesifikke feilen — ingen andre endringer.

Sammenlign de to outputene. I de fleste tilfeller er én målrettet forbedring nok til å gå fra ubrukelig til nyttig.

I seksjon 3 skal du bruke alt fra de to første seksjonene på de konkrete oppgavene du oftest møter på jobb — med start i skriving.